AIに選ばれるWebサイトの作り方。ひとり起業家のためのLLMO入門

カテゴリ: LLMO 公開日: 2026年7月20日 更新日: 2026年7月20日 執筆: 加藤理人（Web Culture Service CEO）

検索の主戦場が「AIに聞く」に変わった

Googleで検索する前に、まずChatGPTやGeminiに相談する。この行動が、ここ2年で急速に一般化しました。実際、株式会社LANYが公開している自社データでは、問い合わせの認知経路のうち21.4パーセントが生成AI経由（2026年2月実績）。Web検索経由の52.4パーセントに次ぐ、無視できない構成比です。

消費者行動モデルも書き換わっています。日経クロストレンドは、これまでの「AISAS（注目→興味→検索→購買→共有）」から、生成AI時代の「AICAS（相談→興味→確認→購買→共有）」への移行を提唱しています。最初の接点が「注目」ではなく「相談」に置き換わったのが最大の変化です。ユーザーはいきなりAIに「おすすめを教えて」と話しかけて、その回答の中に自社が出るかどうかで勝負が決まる時代になりました。

ここで問題になるのが、GA4やSearch Consoleではこの動きが見えないことです。AIの回答の中で名前が出て検討候補から外れた、または選ばれた、という意思決定が数字に残らない。「見えないところで勝負が動いている」という前提でWebサイトを組み直す必要があります。それがLLMOです。

SEOとLLMOの違い

LLMOを「SEOの続き」だと思ってしまうと、たぶん外します。土台が別物だからです。株式会社LANY代表のSEOおたく氏（同社社長）は、両者を4つの観点で対比しています。

特に大きいのが「役割」の違いです。SEOの記事は、ユーザーに来てもらう目的地。LLMOの記事は、AIに参照してもらう情報源です。自分のサイトに何人来たかではなく、AIが自分の情報を何回引用したかが勝負になる。この頭の切り替えができるかどうかで、この先の設計が全部変わります。

LLMO対策の3点セット（CEP・KBF・RTB）

ではAIに推薦されるために何を作ればいいのか。LANYが整理しているフレームワークが、実務で一番使いやすいと思います。CEP・KBF・RTBの3点セットです。

①CEP（想起プロンプト）→ ②KBF（AIの選定基準）→ ③RTB（自社が選ばれる根拠）。この順番で設計します。

①CEP（Category Entry Point）は、ユーザーが自社カテゴリに関して実際にAIへ投げるプロンプトのこと。「30代・乾燥肌におすすめの化粧水は？」「中小企業向けのCRMで脱エクセルに向いているのは？」のような、Who・What・Why・Whenを掛け合わせたMOFU（比較検討）・BOFU（購入直前）の問いを3〜5個決めます。TOFU（「化粧水とは？」のような一般情報）は対策不要です。理由は単純で、そこで自社が推薦される理由がないからです。

②KBF（Key Buying Factor）は、AIがそのCEPに答えるとき、内部の推論で重視している判断基準のこと。「姿勢を良くしたい」という相談に対してAIは、「姿勢を良くするには人間工学的に設計された椅子が必要 → 人間工学的な椅子といえばハーマンミラーがある → だからハーマンミラーがおすすめ」という三段論法で推論します。この「人間工学的に設計されている」がKBFです。競合と自社をKBFごとに比較すると、どの根拠でどこが勝っていてどこが負けているかが明確になります。

③RTB（Reason To Believe）は、AIが自社を確信を持って推薦できる根拠情報のこと。KBFに対応するRTBを、公式サイト・SNS・比較サイト・PR記事といったAIが参照する場所に配置していきます。当社の場合、Meta公認代理店（Meta Business Partners）であること、2011年創業で15年以上の運用実績があること、東海テレビとYahoo!ニュースで業界有識者として解説実績があること、といったファクトがそれぞれRTBとして機能します。

記事は「情報源」として書く。AIに選ばれる4原則

次は個別の記事の話です。AIに引用される記事にするための原則を、株式会社サクラサクマーケティングのねぎお社長が4つに整理していて、これがそのまま実務に使えます。

1. 結論ファースト: 冒頭に答えを書く。ストーリー展開型で引っ張ると、AIもユーザーも離脱する
2. FAQ構造: ユーザーの質問（＝プロンプト）に答える形が最もマッチしやすい
3. 数字と一次情報: 「豊富な実績」ではなく「2011年創業・◯件対応」など、AIが根拠として拾える定量・客観情報にする
4. 独自性: 自社事例・現場の観察・失敗談を1つ以上入れる。誰でも書ける一般情報だけの記事は、AIで完結して読まれない

この4原則を通す前提として、JSON-LD（BlogPosting・FAQPage・BreadcrumbList）や見出し階層（h1→h2→h3）といった構造化データの実装も必須です。当ページも冒頭で「この記事の結論」を出し、記事末にFAQを置き、著者情報とJSON-LDを埋め込んでいます。当社のHPリニューアル（2026年7月16日公開）は、このLLMO準拠でサイト全体を組み直したものです。実装レベルの詳細はサービスページ側で解説しますが、まず記事1本ずつでこの4原則を守るところから始めるのが現実的です。

一次情報がAIに選ばれる。「書いていないことは無いこと」

ここが、ひとり起業家と小さな会社にとって最も朗報の部分です。AIは「誰でも書ける一般情報」を拾いません。拾うのは、その現場にいる人しか書けない一次情報のほうです。数字、失敗談、クライアントとのやり取り、意思決定の裏側。これらは検索ボリュームがゼロでも、AIの回答の中で強い引用元になります。日々現場を持っているひとり起業家ほど、この供給源を持っている。

もう1つ大事なのが「書いていないことは無いことと同じ」という原則です。LANYの事例で、BCPサービスの会社が「中小企業向け」と自社を書いてきた結果、AIから「大企業向け」「自治体向け」のプロンプトで全く推薦されなくなった、という話があります。人間なら「中小企業でも使えるなら大企業でも当然使えるだろう」と行間を読みますが、AIは書かれていない情報を拾えません。ターゲット属性は言い切りで明示する必要があります。当サイトも「ひとり起業家・小さな会社・中小企業に対応」と全ページで明記しているのは、この原則に沿った実装です。

何から始めるか。ひとり起業家の着手手順

ここまでの内容を、明日から手を動かす形に落とすと、最初の一歩はこうなります。

1. 自分のビジネスで「AIに投げられそうなプロンプト（CEP）」を3〜5個書き出す
2. その3〜5個を実際にChatGPT・Gemini・Perplexityに投げて、いま自社が推薦されているかを確認する
3. 推薦されているなら、その理由（KBF）と参照元を記録する。されていないなら、競合が何を根拠に推薦されているかを見る
4. 自社のHPと発信の中で「AIが根拠として拾える形（数字・実績・具体例）」に足りない部分を書き足す
5. 1本ずつ、記事や事例を4原則（結論ファースト・FAQ・数字・独自性）に沿って作り直す

ポイントは、対策から入らずに「診断」から入ることです。診断もなしに記事を量産しても、ズレた場所に労力を投下することになります。当社の場合、この診断と対策を「AI自動化マーケティング設計」の一部として、ひとり起業家と小さな会社に提供しています。

関連記事は、このカテゴリで順次追加していきます。マーケティング全体の設計思想は ひとり起業家のためのマーケティング設計入門、AI活用の始め方は ひとり起業家のためのAI活用入門 でも整理しています。

よくある質問